CN109933772B - 语义分析方法及终端设备 - Google Patents

Abstract

本发明适用于人工智能技术领域，提供了一种语义分析方法及终端设备，其中，所述方法包括：获取待处理自然语言语句；提取待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符；将待处理自然语言语句中的所述命名实体替换为所述统一标识符；将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句；确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符；分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

Description

语义分析方法及终端设备

技术领域

本发明属于人工智能技术领域，尤其涉及一种语义分析方法及终端设备。

背景技术

随着人工智能的发展，现阶段各个领域都开始了相应的应用，从个人助手，智能音箱，智能电视，智能客服等等方面，都需要使用到自然语义分析相关的技术，目的是为了让计算机可以理解用户语言所表达的内容，从而可以对用户的需求做出响应。

自从神经网络技术近年取得飞速发展以来，自然语义分析所用的技术和手段也开始转变，但是从本质上来说，使用神经网络只是从数据拟合方面提高了其各个阶段数据输出的准确概率，其方法和思想依然是基于“分词，词性标注，命名实体识别，词槽标注”等思想的不同组合来实现自然语义主体思想的提取，其过程涉及到的数据处理、数据标注过程繁多，需要大量人力物力，且最后的输出结果可实现性不高，因为其词槽输出的词语从数量级来说太大，比如“把音量放大10”这句话来说，这个“增加数值”的动作就可以有很多不同的词语或短句来表达这一个意思，比如：“增加、放大、大一点、大一些、再大点”……等等，所以基于这种思想的自然语义分析通常只能应用在有限的业务领域中，比如音箱领域。如果放在开放领域来看，那么词槽的数量级应该在十万甚至百万级别，根本无法完全实现。

发明内容

有鉴于此，本发明实施例提供了一种语义分析方法及终端设备，以解决现有语义分析技术其过程涉及到的数据处理、数据标注过程繁多，需要大量人力物力，且最后的输出结果可实现性不高的问题。

本发明实施例的第一方面提供了一种语义分析方法，包括：

获取待处理自然语言语句；

提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符；

将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符；

将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句；

确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符；

分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

可选的，所述提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符包括：

采用命名实体识别技术提取所述待处理自然语言语句中的命名实体；

根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

可选的，所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。

可选的，所述分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作包括：

获取所述预设逻辑格式语句的语法规则；

根据所述语法规则分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

可选的，所述将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句包括：

获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词；

根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符；

根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

本发明实施例的第二方面提供了一种语义分析装置，包括：

语句获取单元，用于获取待处理自然语言语句；

命名实体提取单元，用于提取所述待处理自然语言语句中的命名实体；

命名实体替换单元，用于确定所述命名实体对应的统一标识符，将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符；

语句转化单元，用于将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句；

占位符填充单元，用于确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符；

语句分解处理单元，用于分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

可选的，所述命名实体提取单元，还用于采用命名实体识别技术提取所述待处理自然语言语句中的命名实体；

所述命名实体替换单元，还用于根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

可选的，所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。

本发明实施例的第三方面提供了一种语义分析终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述语义分析方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述语义分析方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例在获取待处理自然语言语句后，提取待处理自然语言语句中的命名实体，确定提取的命名实体对应的统一标识符，将待处理自然语言语句中的命名实体替换为上述统一标识符，然后将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句，确定转化成预设逻辑格式语句的待处理自然语言语句中的占位符，利用上述命名实体填充确定的占位符，最后分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。由于本发明基于语言词汇量收敛和转译的思想，将百万量级词汇的自然语言收敛聚合到一种新的量级较小的逻辑格式语言，使其信息精简，词汇减少，所表达的主体内容不变，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种语义分析方法的示意流程图；

图2是本发明另一实施例提供的一种语义分析方法的示意流程图；

图3是本发明实施例提供的自然语言转化成逻辑格式语句的示意图；

图4是本发明再一实施例提供的一种语义分析方法的示意流程图；

图5是本发明又一实施例提供的一种语义分析方法的示意流程图；

图6是本发明实施例提供的一种语义分析装置的示意性框图；

图7是本发明另一实施例提供的一种语义分析装置示意性框图；

图8是本发明实施例提供的一种语义分析终端设备的示意性框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

参见图1，图1是本发明实施例提供的一种语义分析方法的示意流程图，在该实施例中，以终端的角度触发为例进行说明，这里，终端可以为智能手机、平板电脑等移动终端。如图1所示，在该实施例中，终端的处理过程可以包括以下步骤：

S101：获取待处理自然语言语句。

这里，待处理自然语言语句为任意一个或多个需要处理的自然语言语句，例如明天是什么天气？有没有什么电影可看？等。

在获取待处理自然语言语句之后，还可以显示获取的待处理自然语言语句，方便相关人员审核。也可以生成是否调整语句的提示，若接收到调整语句的请求，根据该请求调整获取的待处理自然语言语句。也可以保存获取的待处理自然语言语句，或者在调整完成后，保存调整后的待处理自然语言语句，满足多种场景的应用需要。

S102：提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符。

具体地，在自然语言涉及的不同的领域中，含有一些命名实体(如人物名称，机构名称，以及其他专有名称等)，为了使逻辑格式保持更统一的格式以及保持更小量级的词汇量，使用命名实体识别(Named Entity Recognization，NER)来辅助预处理自然语言。NER可以提取自然语言中的命名实体，将自然语言中的命名实体替换为统一标识符，例如：“我想听周杰伦的音乐”在NER处理后，“周杰伦”被提取并替换为统一标识符，如“人物名称”，所以处理后的自然语言会变成“我想听人物名称的音乐”。

这里，在提取所述待处理自然语言语句中的命名实体之后，还可以显示提取的命名实体，也可以保存提取的命名实体，另外，还可以生成是否再次提取命名实体的提示，若接收到再次提取命名实体的请求，根据该请求再次提取所述待处理自然语言语句中的命名实体，通过多次提取操作提高提取结果的准确率，保证后续处理正常进行。

S103：将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符。

具体地，在将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符之后，若替换成功，生成替换成功信息，否则，生成替换失败信息，可以显示替换失败原因，生成是否再次替换命名实体的提示，若接收到再次替换命名实体的请求，根据该请求再次将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符。

S104：将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句。

这里，预设逻辑格式语句可以根据实际情况设置，预设逻辑格式语句是一种具备限定语法规则的特定语言。可以根据预设逻辑格式语句的语法规则，通过转译神经网络模型将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句。

具体地，在将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句之后，还可以显示转化成所述预设逻辑格式语句的待处理自然语言语句，生成是否调整语句的提示，若接收到调整语句的请求，根据该请求对显示转化成所述预设逻辑格式语句的待处理自然语言语句进行调整，直到符合要求。

S105：确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符。

这里，预设逻辑格式语句中包含一种是等待被NER填充的占位符。可以根据预设逻辑格式语句包含的占位符，确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用上述提取的命名实体填充确定的占位符。

在确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符之后，可以生成占位符是否正确的提示，若接收到占位符正确的信息，利用上述提取的命名实体填充确定的占位符，否则，生成调整占位符的提示，接收占位符调整指令，根据该指令调整上述确定的占位符，并在调整完成后，利用上述提取的命名实体填充调整后的占位符。

S106：分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

具体地，可以根据实际情况预设分解规则，例如按照语句语法规则来分解，根据预设分解规则分解填充占位符后的待处理自然语言语句，可以显示分解结果，生成是否重新分解的提示，若接收到重新分解请求，可以根据该请求按照语句语法规则重新分解填充占位符后的待处理自然语言语句，根据分解结果执行相应动作。例如待处理自然语言语句为“明天天气如何？”，转化成预设逻辑格式的语句为“select weather cond time＝$time”，对应的填充占位符后的待处理自然语言语句为“select weather cond time＝明天”，其中cond是条件连词，分解该语句，按分解结果来执行对应的动作，可以去数据库或网络云服务select(查询)查询天气(weather)，其条件即为time(明天)。

从以上描述可知，本发明实施例语义分析方法，基于语言词汇量收敛和转译的思想，将百万量级词汇的自然语言收敛聚合到一种新的量级较小的逻辑格式语言，使其信息精简，词汇减少，所表达的主体内容不变，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

请参阅图2，图2是本发明另一实施例提供的一种语义分析方法的示意流程图。与图1对应的实施例的区别在于：所述提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符可以包括S202。其中S201与上一实施例中的S101相同，S203～S206与上一实施例中的S103～S106相同，具体请参阅上述实施例中S101和S103～S106的相关描述，此处不赘述。具体地，S202可以包括S2021～S2022：

S2021：采用命名实体识别技术提取所述待处理自然语言语句中的命名实体。

S2022：根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

这里，预存语句命名实体与语句统一标识符的对应关系，该关系可以根据实际需要设置，根据该关系确定所述命名实体对应的统一标识符，例如上述“我想听周杰伦的音乐”在NER处理后，“周杰伦”被提取并替换为统一标识符，如“人物名称”，所以处理后的自然语言会变成“我想听人物名称的音乐”。

利用命名实体识别技术提取自然语言语句中的命名实体，再根据语句命名实体与语句统一标识符的对应关系，确定提取的命名实体对应的统一标识符，方法简单、结果准确，加快自然语言分析领域的数据处理速度，适合应用。

此外，在一个具体示例中，所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。

这里，逻辑格式语句(Logical Form以下简称LF)，关于LF语句，是一种具备限定语法规则的特定语言，其语言范式如下：S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表LF，V代表动词，N代表名词，可为空，C代表条件限定短语，可为空，L代表量词，由阿拉伯数字和量化词组成，∑代表范围内元素可重复。下文中涉及到的具体词汇(如cond，and，weather等)皆是举例说明，具体词汇的定义由实施者在具体实施时根据工程涉及的领域范围自己定义，但需符合上文提到的结构范式。

例如某自然语言转化为LF后结果为：S＝(V,N,C₁&(C₂|C₃))and(V,N,C₄)，S中有两个完整的LF子句，用and条件连词表明其连接关系(其他还有or表示‘或’)，条件C之间使用条件连词&,|来表示‘与’和‘或’关系。

V代表既定领域内(可以是1个或多个，甚至开放领域)动词，一个词表达一个确定的意思，比如：value_up，即表达所有的数值类事物增加，而不会像自然语言中有很多说法可以表达数值的增加，本方法采用收敛思想，将自然语言中冗余信息取消，达到精简词汇量的目的。

N代表既定领域内的名词，类比与自然语言中的宾语，比如代表声音的名词为volumn，则LF：value_up volumn cond value＝10，其中cond是条件连词，那么本句LF表示的就是“把音量加10”、“把声音放大10”、“音量再加10”等等一系列表达此意思的句子。在不同领域中，volumn可以表达此领域中的相关概念，比如电子设备领域代表音量，在乐器领域中代表乐器的声音大小等等。

C代表条件限定短语，与主句结构使用条件连词cond来连接，后跟条件短语，每个条件短语由N＝N/L组成，比如自然语言“明天是什么天气？”或“明天天气如何？”等等此类句子对应的LF：select weather cond time＝$time，select为代表查询的动词，词句中就包含了符合N＝N的条件短语。同时，C中还可包含有占位符，占位符分为两种，一种是等待被NER填充的占位符，可以称为“普通占位符”，另一种是等待被本LF子句之后的以条件连接词(and、or等)所连接的同级LF子句所得出的结果填充的占位符，可以称为“子句占位符”。此处举例说明，假设定义普通占位符为LF词汇量中的名词前加$符所构成的标识(如名词name的占位符为$name)，子句占位符为定义为$X标识，如自然语言：“我想看成龙的儿子拍的电影”，“成龙”会被NER提取并替换为“人物名称”，此时本句变为“我想看人物名称的儿子拍的电影”，在转换为LF后，变为LF“select movie cond actor＝$X and select person condname＝$name&relation＝son”，‘and’将此LF划分为两个完整的LF子句，第一个子句中的子句占位符$X会被第二个子句查询的结果替换，而第二个子句中的普通占位符$name会被“成龙”替换，所以最终LF为：“select movie cond actor＝$X and select person cond name＝成龙&relation＝son”。

条件与条件之间或内部使用连词连接，连词包含了代表逻辑关系的词汇，如：and，or，&，|，<，>，＝，<<(代表关系从属)等等，可根据自身领域包含范围来定义这些具体的词汇。有了条件连词，LF就具备了表达复杂逻辑关系的自然语言能力。举例说明：“周杰伦的内兄弟是谁？”所对应的LF为：“select person cond name＝$name&relation＝spouse<<brother”，relation代表‘关系’，“周杰伦”被NER提取(一般的，当自然语言中命名实体的数量和占位符的数量关系为一对多、多对多且数量相同时，无需标注占位符序号；当关系为多对多且数量不相等时需使用$name-1,$name-2等特别的说明分别对应NER所提取的第几个名词，具体规则可由实施者具体定义，本处列举的规则仅为示例)，所要查询的人物即为周杰伦配偶的兄弟，即包含了大舅哥和小舅子，即为内兄弟。具体数据所查询的地方可为数据库或知识图谱。

L代表量词，包含十个阿拉伯数字以及量化词，量化词由类似「most-positive,more-positive,positive,medium,negative,more-negative,most-negative」来表示，分别代表了不同量级的程度，如正负，大小，长短，丑美等等，如可以代表「最大，很大，挺大，一般，挺小，很小，最小等等。

NER负责提取那些具有唯一命名的实体名词，如“人物名称、机构名称“等，而那些不具有唯一名称的如“明天，明儿，明个儿，下一天，次日”可以交给LF转译单元来收敛，但是也不做硬性的规定限制，如果工程实施者拥有自己的针对“不唯一名称”名词的处理模块，也可以使用NER将其提取出来，不使用LF转译收敛。如实施者如果有程序可以自动识别“明天、次日”是同一个事物，就可以使用NER将此类时间名词提取出来，LF只会出现其占位符“如：$time”，而不会为此类事物设定特别的词汇来代表。

一些LF具体的实例示意(以下划线标出的皆是NER可提取的部分)：

1：有没有什么电影可看？LF：select movie

2：我想看成龙在13年拍的武打片。LF：select movie cond actor＝$name&time＝$time&genre＝$genre(genre为题材名词)

3：周杰伦的小舅子是谁？LF：comp person cond range＝age&way＝negative&name＝$X-1&name＝$X-2and select person cond name＝$name&relation＝spouse andselect person cond name＝$name&relation＝spouse<<brother($X-1和$X-2会被后两个子句查询的结果替换，$X-1为周杰伦的配偶，$X-2为其配偶的兄弟们，而后通过comp动词按age的negative(小)方式比较来获取最终结果：周杰伦的小舅子。)

4：我今天去饭馆吃饭了。LF：eat meal cond name＝me

5：把电视打开吧。LF：set power cond value＝positive&device＝tv(set为赋值动词，不论数值或枚举)

具体地，LF的本质即为通过一个限定的规则，将自然语言从一个不可估量的数量级收敛到一个可预见、可实现的数量级来。至于具体的严格定义，不同领域范围的实施可以根据其具体情况进行适量的规则增减，以找到合适的开发难度和工作量。为了更直观形象的阐述这种收敛思想，也可以做如下类比：一个具有发达文明的社会人A，和一个落后文明的社会人B，A的社会由于文化发达且多元化，其语言必然丰富多彩，B的社会由于文明落后，其语言必然贫乏单调。但是一旦A和B互相学会对方的语言后，他们同样可以进行正常的交流，这就是一个从‘丰富语言’到‘贫乏语言’的直观收敛过程，示意图见图3。

请参阅图4，图4是本发明再一实施例提供的一种语义分析方法的示意流程图。与图1对应的实施例的区别在于：所述分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作可以包括S406。其中S401～S405与上一实施例中的S101～S105相同，具体请参阅上述实施例中S101～S105的相关描述，此处不赘述。具体地，S406可以包括S4061～S4062：

S4061：获取所述预设逻辑格式语句的语法规则。

S4062：根据所述语法规则分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

这里，获取预设逻辑格式语句所定义的范式，按照预设逻辑格式语句所定义的范式来分解填充占位符后的待处理自然语言语句，按不同的动词来执行对应的动作(如赋值设备的设置项，在数据库查询结果，在云服务获取结果，或简单的回复等等)。

举例说明：“明天天气如何？”转化成预设逻辑格式的语句为“select weathercond time＝$time”，对应的填充占位符后的待处理自然语言语句为“select weathercond time＝明天”，按照预设逻辑格式语句所定义的范式分解上述语句，执行对应的动作，会去数据库或网络云服务select(查询)查询天气(weather)，其条件即为time(明天)。

请参阅图5，图5是本发明又一实施例提供的一种语义分析方法的示意流程图。与图1对应的实施例的区别在于：所述将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句可以包括S504。其中S501～S503与上一实施例中的S101～S103相同，S505～S506与上一实施例中的S105～S106相同，具体请参阅上述实施例中S101～S103和S105～S106的相关描述，此处不赘述。具体地，S504可以包括S5041～S5043：

S5041：获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词。

S5042：根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符。

S5043：根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

这里，可以首先获取预设逻辑格式语句的组成，例如上述S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。根据获取的预设逻辑格式语句的组成，获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词，可以显示获取的动词、名词、条件限定短语和量词，生成信息是否正确的提示，若接收到信息正确指令，根据该指令进一步根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符，最后根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句，若转化成功，生成转化成功信息，若转化失败，生成转化失败信息或者继续尝试其他转化措施等。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的语义分析方法，图6示出了本发明实施例提供的一种语义分析装置的示意性框图。本实施例的语义分析装置600包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的语义分析装置600包括语句获取单元601、命名实体提取单元602、命名实体替换单元603、语句转化单元604、占位符填充单元605及语句分解处理单元606。

其中，语句获取单元601，用于获取待处理自然语言语句。命名实体提取单元602，用于提取所述待处理自然语言语句中的命名实体。命名实体替换单元603，用于确定所述命名实体对应的统一标识符，将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符。语句转化单元604，用于将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句。占位符填充单元605，用于确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符。语句分解处理单元606，用于分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

从以上描述可知，本发明实施例语义分析装置，基于语言词汇量收敛和转译的思想，将百万量级词汇的自然语言收敛聚合到一种新的量级较小的逻辑格式语言，使其信息精简，词汇减少，所表达的主体内容不变，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

参见图7，图7是本发明另一实施例提供的另一种语义分析装置的示意性框图。本实施例的语义分析装置700包括语句获取单元701、命名实体提取单元702、命名实体替换单元703、语句转化单元704、占位符填充单元705及语句分解处理单元706。

其中语句获取单元701、命名实体提取单元702、命名实体替换单元703、语句转化单元704、占位符填充单元705及语句分解处理单元706具体请参阅图6及图6对应的实施例中语句获取单元601、命名实体提取单元602、命名实体替换单元603、语句转化单元604、占位符填充单元605及语句分解处理单元606的相关描述，此处不赘述。

进一步的，所述命名实体提取单元702，还用于采用命名实体识别技术提取所述待处理自然语言语句中的命名实体。

所述命名实体替换单元703，还用于根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

进一步的，所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。

进一步的，语句分解处理单元706包括语法规则获取单元7061和分解处理单元7062。

其中，语法规则获取单元7061，用于获取所述预设逻辑格式语句的语法规则。分解处理单元7062，用于根据所述语法规则分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

进一步的，语句转化单元704包括信息获取单元7041、占位符确定单元7042和转化单元7043。

其中，信息获取单元7041，用于获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词。占位符确定单元7042，用于根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符。转化单元7043，用于根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

从以上描述可知，本实施例在获取待处理自然语言语句后，提取待处理自然语言语句中的命名实体，确定提取的命名实体对应的统一标识符，将待处理自然语言语句中的命名实体替换为上述统一标识符，然后将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句，确定转化成预设逻辑格式语句的待处理自然语言语句中的占位符，利用上述命名实体填充确定的占位符，最后分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。由于本发明基于语言词汇量收敛和转译的思想，将百万量级词汇的自然语言收敛聚合到一种新的量级较小的逻辑格式语言，使其信息精简，词汇减少，所表达的主体内容不变，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

参见图8，图8是本发明一个实施例提供的一种语义分析终端设备的示意框图。如图8所示，该实施例的语义分析终端设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82，例如语义分析程序。所述处理器80执行所述计算机程序82时实现上述各个语义分析方法实施例中的步骤，例如图1所示的步骤101至106。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各单元的功能，例如图7所示单元701至706的功能。

所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述语义分析终端设备8中的执行过程。例如，所述计算机程序82可以被分割成语句获取单元、命名实体提取单元、命名实体替换单元、语句转化单元、占位符填充单元及语句分解处理单元，各单元具体功能如下：

获取待处理自然语言语句。

提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符。

将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符。

将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句。

确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符。

分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

进一步的，所述提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符包括：

采用命名实体识别技术提取所述待处理自然语言语句中的命名实体；

根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

进一步的，所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复，C中包含有占位符。

进一步的，所述分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作包括：

获取所述预设逻辑格式语句的语法规则；

根据所述语法规则分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

进一步的，所述将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句包括：

获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词；

根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符；

根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

上述方案，处理器基于语言词汇量收敛和转译的思想，将百万量级词汇的自然语言收敛聚合到一种新的量级较小的逻辑格式语言，使其信息精简，词汇减少，所表达的主体内容不变，可以减少人力物力投入，加快自然语言分析领域的数据处理速度，提高语义分析输出结果的可实现性，适合应用。

所述语义分析终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述语义分析终端设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是语义分析终端设备8的示例，并不构成对语义分析终端设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述语义分析终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器81可以是所述语义分析终端设备8的内部存储单元，例如语义分析终端设备8的硬盘或内存。所述存储器81也可以是所述语义分析终端设备8的外部存储设备，例如所述语义分析终端设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述语义分析终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述语义分析终端设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (7)

1.一种语义分析方法，其特征在于，包括：

获取待处理自然语言语句；

提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符；

将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符；

将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句；所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复；

确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符；占位符为名词前加$符所构成的标识或$X标识；

分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作；

所述将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句包括：

获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词；

根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符；

根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

2.如权利要求1所述的语义分析方法，其特征在于，所述提取所述待处理自然语言语句中的命名实体，确定所述命名实体对应的统一标识符包括：

采用命名实体识别技术提取所述待处理自然语言语句中的命名实体；

根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

3.如权利要求1所述的语义分析方法，其特征在于，所述分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作包括：

获取所述预设逻辑格式语句的语法规则；

根据所述语法规则分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作。

4.一种语义分析装置，其特征在于，包括：

语句获取单元，用于获取待处理自然语言语句；

命名实体提取单元，用于提取所述待处理自然语言语句中的命名实体；

命名实体替换单元，用于确定所述命名实体对应的统一标识符，将所述待处理自然语言语句中的所述命名实体替换为所述统一标识符；

语句转化单元，用于将命名实体替换为统一标识符后的待处理自然语言语句转化成预设逻辑格式语句；所述预设逻辑格式语句为S＝∑(V,N,∑(C))，C＝[N＝N/L]，其中，S代表所述预设逻辑格式语句，V代表动词，N代表名词，C代表条件限定短语，L代表量词，∑代表范围内元素可重复；

占位符填充单元，用于确定转化成所述预设逻辑格式语句的待处理自然语言语句中的占位符，利用所述命名实体填充确定的占位符；占位符为名词前加$符所构成的标识或$X标识；

语句分解处理单元，用于分解填充占位符后的待处理自然语言语句，并根据分解结果执行相应动作；

语句转化单元包括信息获取单元、占位符确定单元和转化单元；其中，信息获取单元，用于获取将命名实体替换为统一标识符后的待处理自然语言语句中的动词、名词、条件限定短语和量词；占位符确定单元，用于根据将命名实体替换为统一标识符后的待处理自然语言语句确定获取的条件限定短语中的占位符；转化单元，用于根据获取的动词、名词、条件限定短语、量词，以及确定的占位符，将命名实体替换为统一标识符后的待处理自然语言语句转化成所述预设逻辑格式语句。

5.如权利要求4所述的语义分析装置，其特征在于，所述命名实体提取单元，还用于采用命名实体识别技术提取所述待处理自然语言语句中的命名实体；

所述命名实体替换单元，还用于根据预存的语句命名实体与语句统一标识符的对应关系，确定所述命名实体对应的统一标识符。

6.一种语义分析终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述语义分析方法的步骤。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述语义分析方法的步骤。

Images